تُعد دراسة تغيرات المناخ وتفاعلاته مع دورة الكربون في الأرض من أبرز التحديات التي تواجه العلماء اليوم. إذ يُشَكّل عدم اليقين في هذه الدورة عقبة كبيرة عند التنبؤ بالمستقبل المناخي، حيث تُؤثّر البيانات المعتمدة على النماذج الأرضية بشكل جذري في النتائج. في هذا الإطار، يبرز مشروع AI4Land، الذي يُعَدّ من أحدث الابتكارات في مجال الذكاء الاصطناعي.

AI4Land هو إطار عمل مبتكر يعتمد على بيانات ضخمة، يهدف إلى إنشاء إعادة بناء تاريخية عالية الدقة لاستخدامات الأراضي ومؤشرات السطح البيئي. يعتمد هذا النظام على هيكلية U-Net، حيث تعمل المرحلة الأولى من الإطار على إعادة بناء الاستخدامات والتغطية الأرضية سنوياً، من خلال دمج بيانات سيناريوهات بدقة منخفضة مع مميزات جيوفيزيائية ثابتة.

تخطط المرحلة الثانية من المشروع لجعل الخرائط عالية الدقة الناتجة عن المرحلة الأولى أداة لتوقع المتغيرات الفيزيائية الديناميكية، مثل مؤشر مساحة الأوراق (Leaf Area Index)، بحيث تكون هذه التوقعات دقيقة على مستويات زمنية أدق.

تم تدريب النموذج على بيانات مراقبة الأرض، مما يمكّنه من التعرف على الأنماط الأرضية بدقة مكانيّة وواقعية، مما يساعد على تقديم معلومات حول فترات لم تتوفر فيها ملاحظات مباشرة. وقد تم تطوير AI4Land واختباره على نظام MareNostrum5، مما يبرز كيفية تمكين البنية التحتية المعجلة بالمعالجة عبر وحدات المعالجة الرسومية (GPU) لخطوط تكنولوجيا المناخ الذكي على نطاق عالمي.

النتيجة النهائية هي مجموعة من المحاكيات المفتوحة المصدر، المصممة للتكامل في الوقت الحقيقي مع منصات التوأم الرقمي، مثل تلك التي تم تطويرها في إطار مبادرة Destination Earth. من خلال توفير شروط سطح الأرض بشكل ديناميكي عند الطلب، يسعى AI4Land إلى تقليل عدم اليقين الحرج وتحسين دقة التوقعات المناخية للمستقبل.